Master-Arbeit Univ. St. Gallen, 2009.

Master-Arbeit Univ. St. Gallen, 2009.

Saarbrücken, Univ., Diplomarb., 2001.

A micrometeorological field experiment within the scope of the STINHO-project (STructure of turbulent transport under INHOmogeneous conditions) was performed at the boundary layer research field of the Lindenberg Meteorological Observatory in the summer of 2002 to investigate the interaction of an inhomogeneously heated surface with the turbulent atmosphere. The data of this field experiment (STINHO-II, July 2002, RAABE ET AL., 2005) were used to initialize a large-eddy simulation model that has been adjusted to the area under investigation. The accuracy of the calculations is supported using analytical models. The LES initialization conditions are adapted to reach an agreement between observed as well as calculated parameters, e.g. the increase of the near surface air temperature or the time dependent rise of the height of the convective boundary layer (CBL) in the first hour after sun rise. A direct comparison between observed and calculated parameters of the CBL-development is possible for averaged data. The detailed spatial and temporal structure of the investigated morning heating process can only be compared using statistical parameter. / Im Rahmen des STINHO Projektes (Struktur des turbulenten Transportes über inhomogener Unterlage) wurde im Sommer 2002 auf dem Gelände des Grenzschichtmessfeldes des Meteorologischen Observatoriums Lindenberg ein mikrometeorologisches Feldexperiment durchgeführt, um die Wechselwirkung einer sich heterogen erwärmenden Erdoberfläche mit der turbulenten Atmosphäre zu untersuchen. Die Daten aus einem Experiment (STINHO-II, Juli 2002, RAABE ET AL., 2005) werden zur Initialisierung eines an die Bedingungen des Untersuchungsgebietes angepassten Large-Eddy Simulationsmodells verwendet und mit Beobachtungsdaten verglichen. Die Effizienz der numerischen Simulationen wird durch die Verwendung eines analytischen Modells unterstützt, um eine Konsistenz zwischen Initialisierungsbedingungen und den beobachteten als auch den berechneten Parametern (bodennaher Lufttemperaturanstieg oder die Zunahme der Höhe der konvektiven Grenzschicht) in der ersten Stunde nach Sonnenaufgang herzustellen. Ein Vergleich zwischen beobachteten und berechneten Parametern der konvektiven Grenzschichtentwicklung ist nur für gemittelte Daten möglich. Die räumliche und zeitliche Darstellung der Struktur eines solchen Erwärmungsprozesses kann nur geprüft werden, indem statistische Parameter verwendet werden.

Diese Dissertation umfasst vier Aufsätze welche die Effekte von nicht-zufälliger Selektion betrachten. Im ersten Aufsatz wird analysiert welche Rolle die geänderte Zusammensetzung der Erwerbsbevölkerung für die Entwicklung der Lohnungleichheit spielt. Vollzeit-Erwerbstätige weisen zunehmend Episoden von Teilzeitarbeit und Erwerbsunterbrechungen in ihren Biographien auf. Dies hat maßgeblich zum Anstieg der Lohnungleichheit beigetragen. Der zweite Aufsatz betrachtet die Effekte von gesunkener Arbeitslosigkeit auf Lohnungleichheit.. Wenn sich die Selektion in Vollzeit oder Arbeitslosigkeit ändert, kann dies zu steigender Lohnungleichheit führen. Dies ist insbesondere dann der Fall wenn Personen neu in Beschäftigung kommen, die eine Negativauswahl der Erwerbsbevölkerung sind. Jedoch zeigt sich, als Resultat einer Analyse mit selektionskorrigierten Quantilsregressionen, dass diese veränderte Selektion nicht zum Anstieg der Lohnungleichheit beigetragen hat. Im dritten Aufsatz geht es um nicht-monotone Selektion bei Regression Discontinuity Designs (RDD). Die Annahmen, auf welchen RDDs beruhen, können verletzt sein wenn sich sowohl Individuen in die Maßnahmengruppe hinein, als auch aus ihr heraus selektieren. Der Aufsatz beschreibt diesen Selektionsmechanismus und zeigt seine praktische Relevanz. Zudem wird ein Spezifikationstest vorgestellt um das Problem im Vorfeld der Analyse zu erkennen. Der vierte Aufsatz untersucht Wählerpräferenzen für das Geschlecht politischer Kandidaten. Es wird analysiert ob das Zusammenspiel von Berufsinformationen und Geschlecht die geringere Repräsentation von Frauen erklären kann. Dazu wurde ein Feldexperiment durchgeführt. Es zeigt sich dass weibliche Kandidaten einen Stimmvorteil genießen solange keine Berufsinformationen angegeben sind. Sobald jedoch die Berufe der Kandidaten bekannt sind kehrt sich dies in einen Stimmvorteil für männliche Kandidaten um. / This thesis comprises four essays which study effects of non-random selection. The first essay analyzes the role of changes in labor force composition for the development of wage inequality among full-time workers. Of particular interest are the effects of increasingly common episodes of temporary part-time work and nonemployment among full-time workers. Such episodes, have contributed substantially to the rise in wage inequality. The second essay studies the effects of declining unemployment on inequality of wages. Changing selection over time between unemployment and full-time work could lead to increasingly diverse wages, particularly if sinking unemployment implies an influx of negatively selected workers into employment. However, results from a selection corrected quantile regression approach show that changing selection with respect to unobservables is not a contributor to the rise in wage inequality. The third essay studies non-monotonic selection in regression discontinuity designs (RDD). When similar numbers of individual select into and out of treatment simultaneously, the identifying assumption of the RDD can be violated. The essay describes the selection mechanisms and demonstrates it’s practical relevance. It then suggests an enhancement to the standard specification tests for RDDs, which can detect non-monotonic sorting in advance. The fourth essay studies voter’s valuation of candidate gender. It examines whether the presence of profession information coupled with voter preferences for stereotypical male occupations may explain part of the gender gap in parliaments. The analysis is conducted as a field experiment built into an exit-poll of voters in Germany in 2014. The results show a vote share bonus for women in the absence of profession information. Once voters know the profession of candidates, however, this changes towards a small edge for male candidates.

This article investigates the decision of consumers at bottle refund machines to either reclaim their bottle deposit or to donate the refund to a non-profit organization. The study documents the unique pre-intervention data on donating behaviour and introduces a field experiment to increase donation levels. The design comprised the strategic framing of the situation by highlighting different cues about the normative, descriptive and local expectations of charitable giving as well as cues about the warm glow of donating money. The experiment took place in 20 supermarkets in Germany and lasted for 12 months. By varying the experimental design and using different modelling approaches, the study arrives at the conclusion that individuals largely act consistent with the assumption having self-regarding preferences that are stable and difficult to change. Hence, our pre-test and postintervention data stand in sharp contrast to results from lab experiments.

Personalisierung ist ein wichtiger Bereich des Internet Marketings, zu dem es wenige experimentelle Untersuchungen mit großen Teilnehmerzahlen gibt. Für den erfolgreichen Einsatz von Empfehlungsverfahren sind umfangreiche Daten über das Käuferverhalten erforderlich. Diesen Problemstellungen nimmt sich die vorliegende Arbeit an. In ihr wird das Shop-übergreifende individuelle Käuferverhalten von bis zu 126.000 Newsletter-Empfängern eines deutschen Online-Bonussystems sowohl mittels ausgewählter Data-Mining-Methoden als auch experimentell untersucht. Dafür werden Prototypen eines Data-Mining-Systems, einer A/B-Test-Software-Komponente und einer Empfehlungssystem-Komponente entwickelt und im Rahmen des Data Minings und durch Online-Feldexperimente evaluiert. Dabei kann für die genannte Nutzergruppe in einem Experiment bereits mit einem einfachen Empfehlungsverfahren gezeigt werden, dass zum einen die Shop-übergreifenden individuellen Verhaltensdaten des Online-Bonus-Systems für die Erzeugung von Empfehlungen geeignet sind, und zum anderen, dass die dadurch erzeugten Empfehlungen zu signifikant mehr Bestellungen als bei der besten Empfehlung auf Basis durchschnittlichen Käuferverhaltens führten. In weiteren Experimenten im Rahmen der Evaluierung der A/B-Test-Komponente konnte gezeigt werden, dass absolute Rabattangebote nur dann zu signifikant mehr Bestellungen führten als relative Rabatt-Angebote, wenn sie mit einer Handlungsaufforderung verbunden waren. Die Arbeit ordnet sich damit in die Forschung zur Beeinflussung des Käuferverhaltens durch Personalisierung und durch unterschiedliche Rabatt-Darstellungen ein und trägt die genannten Ergebnisse und Artefakte bei.

Personalisierung ist ein wichtiger Bereich des Internet Marketings, zu dem es wenige experimentelle Untersuchungen mit großen Teilnehmerzahlen gibt. Für den erfolgreichen Einsatz von Empfehlungsverfahren sind umfangreiche Daten über das Käuferverhalten erforderlich. Diesen Problemstellungen nimmt sich die vorliegende Arbeit an. In ihr wird das Shop-übergreifende individuelle Käuferverhalten von bis zu 126.000 Newsletter-Empfängern eines deutschen Online-Bonussystems sowohl mittels ausgewählter Data-Mining-Methoden als auch experimentell untersucht. Dafür werden Prototypen eines Data-Mining-Systems, einer A/B-Test-Software-Komponente und einer Empfehlungssystem-Komponente entwickelt und im Rahmen des Data Minings und durch Online-Feldexperimente evaluiert. Dabei kann für die genannte Nutzergruppe in einem Experiment bereits mit einem einfachen Empfehlungsverfahren gezeigt werden, dass zum einen die Shop-übergreifenden individuellen Verhaltensdaten des Online-Bonus-Systems für die Erzeugung von Empfehlungen geeignet sind, und zum anderen, dass die dadurch erzeugten Empfehlungen zu signifikant mehr Bestellungen als bei der besten Empfehlung auf Basis durchschnittlichen Käuferverhaltens führten. In weiteren Experimenten im Rahmen der Evaluierung der A/B-Test-Komponente konnte gezeigt werden, dass absolute Rabattangebote nur dann zu signifikant mehr Bestellungen führten als relative Rabatt-Angebote, wenn sie mit einer Handlungsaufforderung verbunden waren. Die Arbeit ordnet sich damit in die Forschung zur Beeinflussung des Käuferverhaltens durch Personalisierung und durch unterschiedliche Rabatt-Darstellungen ein und trägt die genannten Ergebnisse und Artefakte bei.:1 Inhalt 1 Einleitung 1 1.1 Stand der Forschung 3 1.2 Forschungsbedarf 6 1.3 Forschungskonzept 8 1.4 Verwendete Methoden 11 1.5 Aufbau der Arbeit 11 2 Theoretische und konzeptionelle Grundlagen 13 2.1 Internethandel, E-Commerce und E-Business 13 2.2 Marketing, Konsumenten- und Käuferverhalten 16 2.2.1 Käuferverhalten bei Rabatt-Angeboten 20 2.3 Internet Marketing 21 2.3.1 Erfolgskontrolle im Internet Marketing 24 2.3.2 Ausgewählte Disziplinen des Internet Marketings 27 2.3.2.1 Affiliate Marketing 28 2.3.2.2 Online-Cashback-Systeme 35 2.3.2.3 E-Mail-Marketing 38 2.4 Personalisierung im Internet Marketing 56 2.4.1 Empfehlungssysteme 59 2.4.2 Bewertung von Empfehlungssystemen 59 2.4.3 Architektur von Empfehlungssystemen 60 2.4.4 Empfehlungssystem-Kategorien 62 2.4.4.1 Hybride Empfehlungssysteme 67 2.4.5 Techniken für Empfehlungsverfahren 69 2.5 Wissensaufbereitung und -entdeckung 89 2.5.1 Datenerhebungsverfahren 89 2.5.1.1 Datenqualität 91 2.5.1.2 Datensicherheit und Datenschutz 92 2.5.2 Knowledge Discovery und Data Mining 94 2.5.2.1 Der Data-Mining-Prozess 96 2.5.2.2 Data-Mining-Problemtypen 98 2.5.2.3 Das Data-Mining-System 100 2.5.3 Das Experiment als Erhebungsdesign 106 2.5.3.1 Anforderungen und Gütekriterien 111 2.5.3.2 Online-Feldexperimente im Marketing 117 2.5.3.3 Auswertungsverfahren 120 2.5.3.4 Theoretische Grundlagen des A/B-Testverfahrens 121 3 Vorgehen 126 3.1 Forschungsdesign 126 3.1.1.1 Ziele und Anforderungen der Andasa GmbH 128 3.1.1.2 Ziele und Anforderungen des Instituts für Angewandte Informatik 129 3.1.2 Design des Informationssystems 130 3.1.2.1 Der Designprozess 131 3.1.3 Konzeption des Software-Systems 133 3.1.4 Evaluation 134 3.2 Datenanalyse 135 3.2.1 Datenbeschaffung 135 3.2.2 Datenaufbereitung 136 3.2.3 Auswahl geeigneter Data-Mining-Methoden 137 3.2.3.1 Auswahl-Kriterien 137 3.2.3.2 Methodenauswahl 140 3.2.4 Erläuterung ausgewählter Data-Mining-Methoden 156 3.2.4.1 Bayes’sche Netze 156 3.2.4.2 Clustering 158 3.2.4.3 Diskriminanzanalyse 158 3.2.4.4 Korrelationsanalyse 159 3.2.4.5 Online Analytical Processing (OLAP) 159 3.2.5 Auswahl geeigneter Data-Mining-Werkzeuge 165 3.2.5.1 Auswahlprozess 165 3.2.5.2 Kriterien 166 3.2.5.3 Werkzeuge zur statistischen Analyse und Visualisierung 168 3.2.5.4 Werkzeuge für Clustering und Diskriminanzanalyse 168 3.2.5.5 Werkzeuge für Online Analytical Processing 169 3.2.5.6 Werkzeuge für Bayes’sche Netze 169 3.3 Untersuchungsdesign 171 3.3.1 Online-Marketing-Instrumente bei Andasa 172 3.3.2 Stimulus-Auswahl 174 3.3.3 Entwurf des Experimentaldesigns 175 4 Umsetzung 180 4.1 Architektur und prototypische Implementation 180 4.1.1 Das Data-Mining-System 180 4.1.2 Der ETL-Prozess 181 4.1.2.1 Datenerhebung 183 4.1.2.2 Datenbereinigung 184 4.1.3 Die A/B-Testumgebung 185 4.1.4 Das Empfehlungssystem 189 4.1.5 Usability-Evaluation 196 4.2 Data Mining 199 4.2.1 Statistische Analyse 200 4.2.2 Anwendung ausgewählter Data-Mining-Methoden 206 4.2.2.1 Clustering 208 4.2.2.2 Klassifikation 213 4.2.2.3 Modellierung als Bayes’sche Netze 214 4.2.3 Ergebnisse und Evaluation 221 4.3 Feldexperimente mit Newslettern 222 4.3.1 Eckdaten der Tests 223 4.3.2 Beispiel-Experimente 224 4.3.3 A/B-Tests Rabattdarstellungen 226 4.3.3.1 Öffnungsrate Prozente vs. Euro 226 4.3.3.2 Klickrate Prozente vs. Euro 227 4.3.3.3 Conversion-Rate Prozente vs. Euro 229 4.3.4 A/B-Test zur Personalisierung 230 4.3.4.1 Auswahl des Empfehlungsverfahrens 230 4.3.4.2 Definition der Kontrollgruppe 231 4.3.4.3 Operative Durchführung 231 4.3.4.4 Auswertung 232 4.3.5 Ergebnisse und Evaluation 236 5 Zusammenfassung und Ausblick 239 6 Anhang 243 6.1 Anhang A Usability-Evaluation 243 6.1.1 Methoden der Usability-Evaluierung 246 6.1.1.1 Usability-Tests und lautes Denken 246 6.1.1.2 Benutzerbefragung 248 6.1.1.3 Feldstudien und Partizipation 250 6.1.1.4 Expertenorientierte (Inspektions-)Methoden 251 6.1.1.5 Formal-analytische Verfahren 252 6.1.1.6 Quantitative Fragebogen 252 6.1.1.7 Verfahrensmodell 259 6.1.1.8 Auswertung 262 6.1.2 Fragebögen 263 6.2 Anhang B Zeitreihenanalyse 281 6.2.1 Klassische Komponentenmodelle 281 6.2.2 Stochastische Prozesse 282 6.2.3 Fourier-Analyse-Methoden (Spektralanalyse) 283 6.3 Anhang C Daten und Programme 286 6.3.1 Technische Daten 286 6.3.1.1 Data Warehouse / Data Mining Server 286 6.3.2 Programm- und Skriptcodes 287 6.3.2.1 R- Skripte 287 6.3.2.2 SQL – Skripte 296 6.3.2.3 C# Code MostRecentLinkInvocationsShopRecommender.cs 314 6.3.3 Daten A/B-Tests 317 6.3.3.1 Übersicht Newsletter 317 6.3.3.2 Mengengerüst Aussendungen 319 6.3.3.3 Shopaufrufe und Besteller 319 6.3.3.4 Darstellungen der Newsletter-Varianten 320 6.3.4 Daten Personalisierung 335 6.4 Abbildungsverzeichnis 338 6.5 Tabellenverzeichnis 343 6.6 Literaturverzeichnis 346